tensorflow以及卷积

毕业设计的时间来了，想整点厉害的东西，最近机器学习的一些操作把我惊艳到了，我决定开发一个表情识别系统
首先是框架的决定，我最开始在网上搜都是tensorflow，后来才发现pytorch是现在的主流，但是没办法，选了就得认真学

---

这是官方的对于tensorflow的说法

TensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。TensorFlow 最初由Google大脑小组（隶属于Google机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。

可以知道tensorflow其实就是通过张量来对输入属性进行操作的计算框架。
而如何进行机器学习呢？
首先需要搞懂什么是神经网络

了解神经网络的一个好方法是将它看作复合函数。
你输入一些数据，它会输出一些数据。3 个部分组成了神经网络的的基本架构：单元/神经元连接/权重/参数偏置项你可以把它们看作建筑物的「砖块」。根据你希望建筑物拥有的功能来安排砖块的位置。水泥是权重。无论权重多大，如果没有足够的砖块，建筑物还是会倒塌。然而，你可以让建筑以最小的精度运行（使用最少的砖块），然后逐步构建架构来解决问题。

而要使用神经网络来对图片进行训练的话，就应该使用卷积神经网络来进行训练，卷积神经网络大致可以化为下图